基于草图视觉搜索的三重卷积网络中的泛化与共享
计算机视觉与模式识别
2020-07-30 v1
摘要
我们提出并评估了多种用于度量草图与照片之间相似度的三重 CNN 架构，研究背景为基于草图的图像检索（SBIR）任务。与近期的细粒度 SBIR 工作不同，我们研究网络在有限训练数据下跨不同物体类别的泛化能力，并详细探讨了权重共享、预处理、数据增强和降维策略。在 Flickr15k 类别级 SBIR 基准上，我们的性能比现有技术高出 ；在 TU-Berlin SBIR 基准上，当使用从互联网收集的 25k 张对应照片增强的 250 类 TU-Berlin 分类数据集进行训练时，性能高出约 。
引用
@article{arxiv.1611.05301,
title = {Generalisation and Sharing in Triplet Convnets for Sketch based Visual Search},
author = {Tu Bui and Leonardo Ribeiro and Moacir Ponti and John Collomosse},
journal= {arXiv preprint arXiv:1611.05301},
year = {2020}
}
备注
submitted to CVPR2017 on 15Nov16